Avis des lecteurs
Résumé:Ce livre offre une approche complète de la compréhension des statistiques bayésiennes à travers l'utilisation d'Excel et de R, et s'adresse particulièrement à ceux qui sont familiers avec ces deux outils logiciels.
Avantages:⬤ D'excellents exemples et explications qui améliorent la compréhension théorique
⬤ incite les lecteurs à repenser leurs points de vue sur les théories fréquentistes et bayésiennes
⬤ bien structuré et solide sur le plan pédagogique.
Utilité limitée pour ceux qui ne veulent utiliser qu'Excel, car une grande partie du contenu nécessite R ; peut ne pas convenir aux lecteurs qui ne sont pas intéressés par R.
(basé sur 2 avis de lecteurs)
Titre original :
Bayesian Analysis with Excel and R
Contenu du livre :
Tirer parti de toute la puissance de l'analyse bayésienne pour obtenir un avantage concurrentiel.
Les méthodes bayésiennes peuvent résoudre des problèmes que vous ne pouvez pas traiter de manière fiable autrement. S'appuyant sur vos compétences et votre expérience en matière d'analyse Excel, Conrad Carlberg, MVP de Microsoft Excel, vous aide à tirer le meilleur parti des capacités bayésiennes d'Excel et à passer à R pour aller encore plus loin.
Étape par étape, avec des exemples du monde réel, Carlberg vous montre comment utiliser l'analyse bayésienne pour résoudre un large éventail de problèmes réels. Carlberg clarifie la terminologie qui déconcerte souvent les analystes, fournit des classeurs Excel téléchargeables que vous pouvez facilement adapter à vos propres besoins, et propose des exemples de code R pour tirer parti du paquet "rethinking" de R et de sa passerelle vers Stan.
En intégrant ces approches bayésiennes à votre boîte à outils analytique, vous créerez un puissant avantage concurrentiel pour votre organisation - et pour vous-même.
⬤ Les idées et les stratégies clés qui sous-tendent l'analyse bayésienne.
⬤ Distinguez les distributions a priori, vraisemblance et a posteriori, et comparez les algorithmes de pilotage des entrées d'échantillonnage.
⬤ Utilisez l'approximation par grille pour résoudre des problèmes univariés simples et comprenez ses limites lorsque les paramètres augmentent.
⬤ Effectuer des simulations et des régressions complexes avec l'approximation quadratique et la fonction quap de Richard McElreath.
⬤ Gérer les valeurs textuelles comme s'il s'agissait de valeurs numériques.
⬤ Apprenez la technique d'échantillonnage bayésienne de référence : La chaîne de Markov Monte Carlo (MCMC)
⬤ Utilisez MCMC pour optimiser la vitesse d'exécution dans les problèmes très complexes.
⬤ Découvrez quand les méthodes fréquentistes échouent et quand les méthodes bayésiennes sont essentielles - et quand utiliser les deux en tandem.
Autres informations sur le livre :
| ISBN : | 9780137580989 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
